Tikhonov Regularization paling tidak

1. Apa yang akan anda gunakan untuk menyusun semula Tikhonov untuk?
2. Mengapa kita menggunakan dataran yang paling sedikit?
3. Apa yang dihukum sekurang -kurangnya?
4. Apakah penyelesaian kuadrat sekurang -kurangnya?

Apa yang akan anda gunakan untuk menyusun semula Tikhonov untuk?

Juga dikenali sebagai Tikhonov Regularization, yang dinamakan untuk Andrey Tikhonov, ia adalah kaedah pengaturcaraan masalah yang buruk. Ia amat berguna untuk mengurangkan masalah multicollinearity dalam regresi linear, yang biasanya berlaku dalam model dengan banyak parameter.

Mengapa kita menggunakan dataran yang paling sedikit?

RLS membolehkan pengenalan kekangan selanjutnya yang secara unik menentukan penyelesaiannya. Sebab kedua untuk menggunakan RLS timbul apabila model yang dipelajari mengalami generalisasi yang lemah. RLS boleh digunakan dalam kes sedemikian untuk meningkatkan kebolehpercayaan model dengan menghalangnya pada masa latihan.

Apa yang dihukum sekurang -kurangnya?

Anggaran kuadrat paling kurang dihukum adalah permukaan yang meminimumkan kuadrat paling kurang dihukum di atas kelas semua permukaan yang memenuhi syarat keteraturan yang mencukupi. Tentukan x_i Sebagai vektor kovariat d-dimensi, z_i Sebagai vektor kovariat p-dimensi, dan y_i Seperti pemerhatian yang dikaitkan dengan (x_i, z_i).

Apakah penyelesaian kuadrat sekurang -kurangnya?

Oleh itu, penyelesaian sekurang-kurangnya kuadrat meminimumkan jumlah kuadrat perbezaan antara penyertaan k x dan b . Dalam erti kata lain, penyelesaian kuadrat sekurang-kurangnya menyelesaikan persamaan kapak = b secepat mungkin, dalam erti kata bahawa jumlah kuadrat perbezaan b-kapak diminimumkan.